KDDJul, 2018

基于循环神经网络的监督增强学习在动态治疗推荐中的应用

PDF
TL;DR本文提出一种基于监督强化学习和循环神经网络的动态治疗建议系统，用于处理医疗记录中的复杂关系和部分观测问题，实验结果表明该系统能够有效减少患者死亡率和提高医疗建议的准确性。
dynamic treatment recommendation systemselectronic health recordssupervised reinforcement learningrecurrent neural networkpartially-observed markov decision process
发现论文，激发创造
  • 循环强化学习：一种混合方法

    本文研究了一种深度学习方法，将强化学习和监督学习结合，通过长短时记忆网络对隐藏状态的表示进行学习，在部分可观测任务中表现出了很好的性能。

    Sep, 2015

  • 自监督强化学习用于推荐系统

    本文中提出了一种自我监督强化学习算法来弥补监督式推荐算法的不足，为仍处于离线状态的推荐者提供强大的梯度信号支持，其中包括两个输出层；一个用于自我监督，另一个用于强化学习，从而实现顾虑到长期用户参与度以及多种用户 - 项目交互等因素的推荐任务。

    Jun, 2020

  • 医疗保健中的强化学习：一项调查

    本文综述了加强学习在医疗领域的广泛应用，包括慢性病和危重护理中的动态治疗方案、基于结构化和非结构化临床数据的自动医学诊断以及许多其他控制或调度领域。其中讨论了当前研究中面临的挑战和开放问题，并指出了一些潜在的解决方案和未来研究方向。

    Aug, 2019

  • 强化学习增强的对比模型用于顺序推荐

    通过提出一种名为模型增强对比强化学习（MCRL）的新型强化学习推荐器，我们解决了离线数据集的稀疏性以及负反馈无法获取的问题，并通过对比学习来优化奖励函数和状态转移函数，实验结果表明该方法在两个现实世界数据集上显著优于现有的离线强化学习和自监督强化学习方法。

    Oct, 2023

  • PDRL：基于多智能体强化学习的预测性监控

    提出了一种新颖且通用的预测深度强化学习（PDRL）系统，用于监测复杂环境中的未来状态，并在时间序列预测过程中取得了最先进的性能。

    Sep, 2023

  • 评估强化学习算法在观测性健康设置中的应用

    探讨评估强化学习算法在医疗保健中的安全性的实质，提供了在评估新型患者治疗方式时，如何设计和评估算法的方法，并描述了如何缓解评估过程中存在的潜在问题。

    May, 2018

  • 自然语言处理中的强化学习综述及在医疗保健领域的应用

    本文综述了强化学习在自然语言处理领域的关键技术、挑战、以及在医疗保健中的应用，包括对话系统、机器翻译模型、问答系统、文本摘要和信息提取，并介绍了 RL-NLP 系统中的伦理考虑和偏差。

    Oct, 2023

  • 基于核的分布式 Q-Learning：一种针对动态治疗方案的可扩展强化学习方法

    本篇论文提出了一种新的分布式 Q-learning 算法，用于生成动态治疗规则 (DTRs)。该算法可有效地处理大量的电子病历数据，并在临床癌症治疗方面表现出比传统算法更好的预测精度和计算成本。

    Feb, 2023

  • 医学影像中的深度强化学习：文献综述

    这篇论文综述了深度强化学习在医学成像中的应用，分别从深度强化学习的基础知识、医学成像领域的应用及未来展望等方面进行了解析。

    Mar, 2021

  • 使用深度强化学习从电子健康记录中提取诊断路径

    使用强化学习算法，通过电子病历来训练 Dueling DQN 算法和 Dueling Double DQN 算法，以优化临床诊断过程并对贫血及其亚型进行不同诊断。

    May, 2023